Gli errori comuni prompt AI non sono tecnici: sono abitudini comunicative. Prompt vaghi, senza contesto, senza ruolo, senza formato, senza esempi. Il risultato è sempre lo stesso: output mediocre, riscrittura a mano, sensazione che “l’AI non funzioni”. In questa guida trovi i 10 errori più frequenti nelle PMI italiane e la correzione operativa per ciascuno.
Secondo la guida ufficiale OpenAI Prompt Engineering, la qualità dell’output dipende da quanto sono chiare, specifiche ed esemplificate le istruzioni. Anthropic, nelle Prompting best practices, arriva alla stessa conclusione: i modelli funzionano bene quando chiedi esattamente quello che vuoi, non quando speri che lo indovinino. Eppure nelle aziende ci scontriamo sempre con gli stessi sbagli ripetuti.
Perchè gli stessi errori si ripetono in ogni PMI
Nella comunicazione di ufficio siamo abituati a istruzioni brevi: “manda l’email a Rossi”, “preparami il report”, “sistemaci il preventivo”. Funziona perché il collega conosce cliente, tono e storia. L’AI no. Un prompt generico produce un output generico: è quasi una legge fisica del lavoro con i modelli linguistici.
Il punto di partenza, prima ancora dei 10 errori, è mentale: il prompt non è un messaggio, è una specifica di lavoro. Lo stesso approccio che useresti con un nuovo collaboratore al primo giorno. Se ti manca questo mindset, leggi prima la guida pratica all’intelligenza artificiale per PMI e il metodo RICOF per il prompt engineering, che ti danno il framework su cui si innestano le correzioni di questa guida.
Errore 1: prompt vago senza obiettivo esplicito
È l’errore più diffuso. “Scrivi un’email al cliente” non dice all’AI chi è il cliente, cosa gli stai vendendo, che tono usare, che cosa vuoi ottenere. Il modello produce la media statistica delle email commerciali che ha visto in addestramento: corretta, inutilizzabile.
Prompt sbagliato:
Scrivi un'email per il cliente.Prompt corretto:
Scrivi un'email di follow-up per un cliente B2B (azienda manifatturiera,
40 dipendenti) che ha chiesto tempi e costi del nostro servizio di
customer service AI. Tono professionale e concreto. Obiettivo: fissare
una call di 30 minuti entro questa settimana. Massimo 150 parole.
Chiusura con 2 proposte di orario.La differenza non è cosmetica: il primo prompt genera testo da riscrivere al 90%, il secondo una bozza utilizzabile con piccole correzioni. Se devi produrre email su base quotidiana, parti dai template di prompt per email professionali.
Errore 2: nessun contesto aziendale
“L’AI è intelligente, capirà da sola”: falso. Senza contesto il modello riempie i vuoti con assunzioni medie, che raramente corrispondono alla tua realtà. Contesto significa: chi sei, cosa vendi, a chi, con quali numeri e con quali vincoli.
Prompt sbagliato:
Analizza le vendite e dimmi come migliorarle.Prompt corretto:
Contesto: azienda B2B che vende componenti meccanici a PMI del Nord Italia.
Fatturato 2025: 2,3M euro. Il 60% deriva da 8 clienti storici.
Problema: tasso di conversione sui nuovi lead sceso dal 12% all'8%
nell'ultimo trimestre. Team commerciale: 3 persone. Budget marketing fisso.
Compito: suggerisci 5 azioni concrete per alzare la conversione sui nuovi
lead, ordinate per rapporto impatto/sforzo.Prepara un “pacchetto contesto” di 10-15 righe per ogni area che usa l’AI (vendite, customer care, marketing, amministrazione). Riutilizzalo come preambolo. È il primo investimento che ripaga entro una settimana.
Errore 3: ruolo assente o troppo generico
Dire “agisci come esperto di marketing” è come dire niente. I modelli AI rispondono molto meglio quando assegni un ruolo specifico con seniority, settore e prospettiva. “Consulente SEO senior specializzato in e-commerce manifatturiero B2B” produce un output ben diverso da “esperto di marketing”.
Prompt sbagliato:
Fammi un piano social.Prompt corretto:
Agisci come social media manager B2B con 8 anni di esperienza nel
settore meccanico di precisione. Obiettivo: generare lead per commerciali
interni, non follower. Proponi un piano LinkedIn mensile con 8 post,
divisi per tipologia (case study, insight tecnico, dietro le quinte,
annuncio prodotto). Includi hook, corpo, CTA.Errore 4: nessun esempio di output desiderato (zero-shot vs few-shot)
C’è una differenza enorme tra spiegare cosa vuoi e mostrare cosa vuoi. La tecnica si chiama few-shot prompting ed è documentata sia da OpenAI sia da Anthropic: inserire 2-3 esempi concreti di output “buono” allinea l’AI al tuo tono reale, non a quello medio di internet.
Prompt sbagliato:
Rispondi ai ticket dei clienti in modo professionale.Prompt corretto:
Rispondi ai ticket dei clienti del nostro e-commerce di componentistica
industriale. Due esempi del tono corretto:
Esempio buono 1:
"Buongiorno, ho verificato il suo ordine #4521. La spedizione e' prevista
giovedi' 12. Se le serve consegna anticipata, mi faccia sapere entro
domani mattina e verifico con il magazzino."
Esempio da evitare:
"Gentile cliente, la informiamo che il suo ordine e' in fase di elaborazione.
Restiamo a disposizione per qualsiasi esigenza."
Regole: usa il "lei", sii specifico sulle tempistiche, proponi sempre
un'azione concreta, evita frasi vuote.In una PMI metalmeccanica da 25 dipendenti in Brianza che abbiamo seguito, l’introduzione di due esempi reali nei prompt del customer care ha ridotto il tasso di riscrittura manuale delle bozze da circa l’80% al 25% nel giro di tre settimane.
Errore 5: ambiguità linguistica e termini gergali non spiegati
“Prepara il consueto report” è ambiguo: quale consueto? I modelli AI non conoscono il gergo interno della tua azienda. Se usi acronimi, nomi di progetti interni, sigle di reparto, devi esplicitarli. Altrimenti l’AI inventa un’interpretazione plausibile.
Evita anche formulazioni ambigue come “un po’ di” (quante?), “breve” (50 o 500 parole?), “formale” (lei o voi? prima persona singolare o plurale?). Ogni parola vaga è un’interpretazione che perdi.
Errore 6: input troppo lungo senza struttura
Buttare dentro 15 pagine di documento, 6 email precedenti e 3 tabelle di dati in un unico blocco è il modo migliore per confondere il modello. Più lungo è l’input, più l’AI dimentica istruzioni a metà prompt. La tecnica corretta si chiama input structuring: separare contesto, dati, istruzioni e formato con delimitatori chiari (XML, markdown, ###) come raccomandato dalle Anthropic best practices.
Prompt corretto (struttura):
<contesto>
Azienda meccanica B2B, 40 dipendenti, cliente Bianchi Srl.
</contesto>
<dati>
Ordine 2024: 15.000 pezzi. Prezzo unitario: 4,20 euro.
Tempo medio pagamento: 68 giorni.
</dati>
<compito>
Scrivi un'email di rinegoziazione prezzo in cambio di pagamento a 30 giorni.
</compito>
<formato>
Massimo 200 parole, tono collaborativo, chiusura con proposta di call.
</formato>Errore 7: troppe istruzioni contemporanee nello stesso prompt
“Scrivi un’email, analizza i costi di magazzino e preparami un post LinkedIn” non è un prompt: sono tre compiti diversi incastrati male. Il modello tocca tutto superficialmente o ignora metà delle richieste. La regola è una sola: un prompt, un obiettivo. Se serve concatenare, usa l’output del primo come input del secondo (prompt chaining).
Questo errore è il più costoso in termini di tempo netto: provi a risparmiare scrivendo un prompt unico e finisci per spendere il doppio a sistemare a mano un risultato confuso.
Errore 8: nessun vincolo sul formato di output
Tendiamo a concentrarci sul “cosa” e dimentichiamo il “come”. Il risultato è un muro di testo che va smontato e riorganizzato. Lavoro che l’AI avrebbe fatto in automatico, se glielo avessi chiesto.
Prompt corretto (vincoli formato):
Genera un report mensile delle attivita' customer service.
Formato richiesto:
1. Tabella: ticket ricevuti, risolti, tempo medio risposta
2. Lista dei 3 problemi piu' frequenti (% sul totale)
3. Sezione "Azioni suggerite" (max 3 punti)
4. Evidenzia esplicitamente i dati mancanti
Lunghezza massima: 400 parole.Specificare il formato è anche un meccanismo di verifica: se chiedi una tabella con colonne precise, vedi subito cosa manca. Per altri casi d’uso pratici vedi la raccolta di esempi di prompt AI per aziende.
Errore 9: nessun criterio di qualità né gestione delle allucinazioni
I modelli linguistici sono ottimizzati per produrre risposte plausibili, non per ammettere i propri limiti. Se non chiedi esplicitamente di segnalare dati mancanti, assunzioni e incertezze, l’AI riempie i vuoti con informazioni inventate. Sono le “allucinazioni”: numeri di mercato che non esistono, citazioni normative sbagliate, date di fantasia.
Vincoli anti-allucinazione da inserire sempre nei prompt a rischio (proposte, offerte, documenti legali):
- “Niente promesse assolute sui risultati”
- “Separa i fatti verificabili dalle assunzioni”
- “Evidenzia esplicitamente i dati mancanti”
- “Se una cifra non è fornita, scrivi [DATO MANCANTE] invece di inventarla”
- “Segnala le assunzioni critiche prima di procedere”
Questo approccio è il punto di partenza della review degli output AI con il metodo semaforo, che ti consiglio di affiancare sempre quando l’output dell’AI finira’ davanti a un cliente.
Errore 10: prompt scritto una volta e mai più iterato
Trovato un prompt che “funziona abbastanza”, la tentazione è di usarlo ovunque per sempre. Ma il prompt engineering è un ciclo iterativo, non un atto unico. I contesti cambiano: clienti, prodotti, team, normative. Un prompt statico peggiora nel tempo mentre il mondo intorno si muove.
Il ciclo corretto di iterazione:
- Scrivi la v1.0 e provala su 5 casi reali.
- Annota dove sbaglia (troppo lungo? tono errato? dati mancanti?).
- Aggiungi regole, vincoli o esempi mirati.
- Salva come v1.1, riprova sugli stessi 5 casi.
- Quando i risultati sono costanti, versiona e condividi.
Serve un documento condiviso (anche un Google Doc) con: nome, funzione, owner, versione, ultimo test, esempio di output buono. Senza un responsabile, il prompt decade nel giro di poche settimane.
Tabella riassuntiva: errore, perché è sbagliato, fix
| Errore | Perchè è sbagliato | Fix operativo |
|---|---|---|
| Prompt vago | L’AI produce la media statistica, non il tuo caso | Obiettivo esplicito + destinatario + vincoli |
| Niente contesto | Il modello inventa assunzioni generiche | Pacchetto contesto di 10-15 righe per area |
| Ruolo generico | ”Esperto” non definisce seniority né settore | Ruolo specifico con anni, settore, prospettiva |
| Zero esempi | Tono generico da chatbot anni 2010 | 2-3 esempi few-shot di output buono/da evitare |
| Ambiguità lessicale | Ogni parola vaga = interpretazione persa | Sostituisci “breve, un po’, formale” con numeri |
| Input non strutturato | Il modello dimentica istruzioni a metà | Delimitatori XML/markdown per sezioni |
| Troppe istruzioni | Output pasticciato o metà ignorato | Un prompt = un obiettivo, poi concatena |
| Niente formato output | Muro di testo da smontare a mano | Tabelle, liste, limiti parole, sezioni esplicite |
| Allucinazioni non gestite | Dati inventati nelle proposte commerciali | Vincoli: “segnala dati mancanti, separa fatti/ipotesi” |
| Nessuna iterazione | Il prompt decade nel tempo | Versioning + owner + test mensile |
Casi d’uso PMI: 3 esempi concreti prima/dopo
Preventivo commerciale
Prompt sbagliato: “Fammi un preventivo per il cliente Verdi.”
Prompt corretto:
Agisci come commerciale B2B. Cliente: Verdi Srl, azienda edile, 15 dipendenti.
Servizio: fornitura carpenteria metallica, 3 lotti, consegna in 8 settimane.
Genera una bozza di preventivo con:
1. Intestazione (oggetto, riferimento RdO)
2. Tabella voci: descrizione, quantita', prezzo unitario, totale
3. Condizioni (pagamento, trasporto, validita')
4. Evidenzia con [DATO MANCANTE] ogni cifra che devi verificare
Tono: concreto, nessuna promessa assoluta.Email di sollecito pagamento
Prompt sbagliato: “Scrivi un sollecito.”
Prompt corretto:
Scrivi un sollecito di pagamento (secondo avviso) a un cliente storico
da 5 anni, fattura 12/2026 scaduta da 18 giorni, importo 4.200 euro.
Tono: fermo ma non ostile, protegge la relazione. Massimo 120 parole.
Chiusura con proposta di call per capire eventuali difficolta'. Firma: Stefano.Verbale di riunione
Prompt sbagliato: “Fai un verbale della riunione.”
Prompt corretto:
Produci un verbale strutturato da questa trascrizione [testo].
Formato:
- Data, partecipanti, argomenti principali
- Decisioni prese (tabella: decisione, responsabile, scadenza)
- Punti aperti e rischi
- Prossimi step con owner
Non inserire opinioni. Se un responsabile non e' indicato, scrivi [DA DEFINIRE].Checklist operativa prima di inviare un prompt
Prima di premere invio, passa queste sette verifiche:
- Specificita’: il prompt descrive una situazione concreta?
- Contesto: hai fornito quello che un collega nuovo vorrebbe sapere?
- Ruolo: hai specificato chi deve “interpretare” l’AI?
- Formato: hai detto come deve presentare la risposta?
- Obiettivo unico: una sola cosa per prompt?
- Esempi: almeno uno di output buono, uno da evitare?
- Vincoli di onestà: hai chiesto di segnalare dati mancanti?
Se almeno 5 su 7 sono coperti, il risultato sara’ utilizzabile. Se ne mancano 3 o più, stai lavorando a vuoto.
Domande frequenti sugli errori nei prompt AI
Quanto deve essere lungo un prompt efficace?
Non esiste una lunghezza ideale assoluta. Per task semplici (riassunto, riscrittura) bastano 3-5 righe. Per task complessi (proposta commerciale, analisi dati) sono normali prompt da 200-400 parole con contesto, ruolo, vincoli ed esempi. La regola e’: tanto lungo quanto serve a rimuovere l’ambiguità, non una parola di più. Un prompt di 12 parole è molto più efficace di uno di 50 solo se le 12 parole coprono obiettivo, contesto e formato.
Perchè l’AI inventa dati anche se le dico di non farlo?
Perchè i modelli linguistici sono progettati per produrre testo plausibile, non per ammettere l’incertezza. Dire “non inventare” non basta: devi aggiungere vincoli strutturali, tipo “se una cifra non è nei dati forniti scrivi [DATO MANCANTE]” e “separa fatti da assunzioni”. Funziona meglio della negazione astratta, perché da’ al modello un comportamento positivo alternativo.
Posso usare lo stesso prompt per ChatGPT, Claude e Gemini?
Con qualche adattamento si’. I principi (chiarezza, contesto, esempi, formato) sono universali. Le differenze riguardano la sintassi: Claude preferisce delimitatori XML, ChatGPT risponde bene a markdown e istruzioni numerate, Gemini gradisce istruzioni brevi e dirette. Conviene mantenere la stessa struttura logica e adattare solo i delimitatori. Per i modelli di ragionamento (o1, o3) tieni i prompt più essenziali: non aggiungere “pensa passo per passo”, lo fanno già internamente.
Quando serve il few-shot prompting e quando basta lo zero-shot?
Zero-shot (nessun esempio) funziona bene per task generici e ben coperti dall’addestramento: traduzioni, riassunti, riformulazioni. Few-shot (2-3 esempi) è necessario quando vuoi replicare un tono specifico, un formato aziendale, uno schema preciso che il modello non conosce. Regola pratica: se alla terza prova l’output non rispetta il tono che vuoi, il problema non è il modello, è che non gli hai mostrato esempi.
Come capisco se il mio prompt è il problema o se è il modello?
Fai questo test: dai lo stesso prompt a due modelli diversi (ChatGPT e Claude, per esempio). Se entrambi producono output mediocri simili, il problema è quasi sempre il prompt. Se uno risponde bene e l’altro no, allora c’è una differenza di capacita’. Nel 90% dei casi che vediamo in PMI, il problema è il prompt: è la notizia buona, perché un prompt si aggiusta in 10 minuti.
Da dove partire domani mattina
Non devi correggere tutti e dieci gli errori in un giorno. Scegli quello che ti costa più tempo e parti da quello.
Se il problema principale è la qualità degli output, lavora sugli errori 1, 2 e 4: aggiungi obiettivo, contesto ed esempi ai tuoi tre prompt più usati. Se il problema è la lentezza, attacca gli errori 7 e 8: separa le richieste e imponi il formato di output. Se il problema è l’affidabilità, concentrati sul 9 e sul 10: vincoli anti-allucinazione e versioning.
Il passaggio mentale chiave è smettere di trattare i prompt come messaggi usa e getta e iniziare a considerarli strumenti di lavoro aziendali. Esattamente come un template di offerta o un modulo di onboarding: li crei una volta, li testi, li migliori, li condividi con il team.
Se vuoi approfondire come costruire una libreria di prompt aziendali e integrarla nei processi, nel libro Intelligenza Artigianale trovi il metodo completo, con template pronti e casi studio reali di PMI italiane. Per la parte operativa quotidiana, prosegui con come usare ChatGPT in azienda e con i template di prompt per email professionali.
